图像表示与描述模板.ppt
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数字图像处理
.精品课件.
1
第10章 图像表示与描述（Image Representation and Description）
10.1 颜色描述（Color Discriptors） 10.2 纹理描述（Texture Descriptors） 10.3 边界描述（Boundary Descriptors） 10.4 区域描述（Regional Descriptors）
时的相关性要比细纹理区高，因为纹理粗糙性应与自
相关函数的扩展成正比。
11
10.2.1 自相关函数描述 （Autocorrelation Function）
自相关函数的扩展的一种测度是二阶矩，即
jk
T(i, j) 2 2C(,, j, k) T T
（10.8）
纹理粗糙性越大，则T就越大，因此，可以方便地使用T 作为度量粗糙性的一种参数。
图像灰度特征可以在图像的某些特定的像点上或其
邻域内测定，也可以在某个区域内测定。以（i，j）为 中心的（2M+1）×（2N+1）邻域内的平均灰度为
1
MN
f (i, j)
f (i x, j y) （10.1）
(2M 1)(2N 1) xM yN
除了灰度均值外，在有些情况下，还可能用到区域 中的灰度最大值、最小值、中值、顺序值及方差等。
当直方图分布较平坦时，A2较小，A3较大；当hg(l)在原 点附近集中分布时，A1较小，反之则A1较大。
14
10.2.3 灰度共生矩阵 （Gray-Level Co-occurrence Matrix）
灰度共生矩阵法是描述纹理特征的重要方法之 一，它能较精确地反映纹理粗糙程度和重复方向。
15
10.2.3 灰度共生矩阵 （Gray-Level Co-occurrence Matrix）
由于纹理反映了灰度分布的重复性，人们自然要 考虑图像中点对之间的灰度关系。灰度共生矩阵定义
为：对于取定的方向和距离d，在方向为的直线上，
一个像素灰度为i，另一个与其相距为d的像素的灰度 为j的点对出现的频数作为这个矩阵的第（i，j）元素
4
10.1.2 直方图特征 （Histogram Feature）
设图像f的像素总数为N，灰度等级数为L，灰度为k 的像素全图共有Nk个，那么
hk
Nk N
，
k=0，1，…，L-1
（10.2）
称为f的灰度直方图。 图像灰度直方图可以认为是图像灰度概率密度
的估计，可以由直方图产生下列特征。
5
10.1.2 直方图特征 （Histogram Feature）
9
10.2 纹理描述 （Texture Descriptors）
归纳起来，对纹理有两种看法，一是凭 人们的直观印象，二是凭图像本身的结构。 从直观印象出发包含有心理学因素，这样就 会产生多种不同的统计纹理特征。从这一观 点出发，纹理特征计算应该采用统计方法。 从图像结构观点出发，则认为纹理是结构， 根据这一观点，纹理特征计算应该采用句法 结构方法。
10
10.2.1 自相关函数描述 （Autocorrelation Function）
设图像为f(m，n)，自相关函数可以定义为
jw kw
f (m, n) f (m , n )
C( ,,
j, k )
m jw
nkw jw
kw
[ f (m, n)]2
m jw nkw
（10.7）
它是对（2w+1）（2w+1）窗口内的每一点像素（j， k）与偏离值为，=0，1，2，…，T的像素之间 的相关值作计算。一般粗纹理区对给定偏离（，）
2
10.1 颜色描述 （Color Descriptors）
颜色特征是图像的基本特征之一。颜色特征是 图像检索识别中应用最为广泛的视觉特征，与其他 视觉特征相比，它对图像的尺寸、方向、视角的依 赖性较弱，因此具有较高的稳定性。这一节主要讨 论反映图像灰度的统计特征。
3
10.1.1 简单灰度特征 （Intensity Feature）
12
10.2.2 灰度差分统计 （Statistics of Intensity Difference）
对于给定的图像f（i，j）和取定的较小的整 数m、n，求差分图像
g(i,j)=f(i,j)-f(i+m,j+n)
(10.9)
然后求出差分图像的已归一化的灰度直方图 hg（k），当取较小差值k的频率hg（k）较大时， 说明纹理较粗糙，直方图较平坦时，说明纹理较 细致。
纹理的标志有三要素： 一是某种局部的序列性，在该序列更大的区域 内不断重复； 二是序列是由基本部分非随机排列组成的； 三是各部分大致都是均匀的统一体，纹理区域 内任何地方都有大致相同的尺寸结构。
8
10.2 纹理描述 （Texture Descriptors）
纹理图像在很大范围内没有重大细节变化， 在这些区域内图像往往显示出重复性结构。纹理可 分为人工纹理和天然纹理。人工纹理是由自然背景 上的符号排列组成，这些符号可以是线条、点、字 母、数字等。自然纹理是具有重复排列现象的自然 景象，如砖墙、种子、森林、草地之类的照片。人 工纹理往往是有规则的，而自然纹理往往是无规则 的。
（1）平均值
L1
f khk k 0
（2）方差
L 1
2 f
(k f )2 hk
k 0
（3）能量
L1
f N (hk )2 k 0
（4）熵
L 1
f E hk log 2 hk k 0 6
（10.3） （10.4） （10.5）
ຫໍສະໝຸດ Baidu（10.6）
10.2 纹理描述 （Texture Descriptors）
纹理是图像描述的重要内容，但对纹理 很难下一个确切的定义。类似于布纹、草地、 砖砌地面等重复性结构称为纹理。一般来说， 纹理是对图像的像素灰度级在空间上的分布模 式的描述，反映物品的质地，如粗糙度、光滑 性、颗粒度、随机性和规范性等。
7
10.2 纹理描述 （Texture Descriptors）
13
10.2.2 灰度差分统计 （Statistics of Intensity Difference）
（1）平均值
1
A1 m i ihg (i) （2）能量（对比度）
（10.10）
A2 [hg (i)]2
i
（3）熵
（10.11）
A3 hg (i) lg hg (i)
i
（10.12）
.精品课件.
1
第10章 图像表示与描述（Image Representation and Description）
10.1 颜色描述（Color Discriptors） 10.2 纹理描述（Texture Descriptors） 10.3 边界描述（Boundary Descriptors） 10.4 区域描述（Regional Descriptors）
时的相关性要比细纹理区高，因为纹理粗糙性应与自
相关函数的扩展成正比。
11
10.2.1 自相关函数描述 （Autocorrelation Function）
自相关函数的扩展的一种测度是二阶矩，即
jk
T(i, j) 2 2C(,, j, k) T T
（10.8）
纹理粗糙性越大，则T就越大，因此，可以方便地使用T 作为度量粗糙性的一种参数。
图像灰度特征可以在图像的某些特定的像点上或其
邻域内测定，也可以在某个区域内测定。以（i，j）为 中心的（2M+1）×（2N+1）邻域内的平均灰度为
1
MN
f (i, j)
f (i x, j y) （10.1）
(2M 1)(2N 1) xM yN
除了灰度均值外，在有些情况下，还可能用到区域 中的灰度最大值、最小值、中值、顺序值及方差等。
当直方图分布较平坦时，A2较小，A3较大；当hg(l)在原 点附近集中分布时，A1较小，反之则A1较大。
14
10.2.3 灰度共生矩阵 （Gray-Level Co-occurrence Matrix）
灰度共生矩阵法是描述纹理特征的重要方法之 一，它能较精确地反映纹理粗糙程度和重复方向。
15
10.2.3 灰度共生矩阵 （Gray-Level Co-occurrence Matrix）
由于纹理反映了灰度分布的重复性，人们自然要 考虑图像中点对之间的灰度关系。灰度共生矩阵定义
为：对于取定的方向和距离d，在方向为的直线上，
一个像素灰度为i，另一个与其相距为d的像素的灰度 为j的点对出现的频数作为这个矩阵的第（i，j）元素
4
10.1.2 直方图特征 （Histogram Feature）
设图像f的像素总数为N，灰度等级数为L，灰度为k 的像素全图共有Nk个，那么
hk
Nk N
，
k=0，1，…，L-1
（10.2）
称为f的灰度直方图。 图像灰度直方图可以认为是图像灰度概率密度
的估计，可以由直方图产生下列特征。
5
10.1.2 直方图特征 （Histogram Feature）
9
10.2 纹理描述 （Texture Descriptors）
归纳起来，对纹理有两种看法，一是凭 人们的直观印象，二是凭图像本身的结构。 从直观印象出发包含有心理学因素，这样就 会产生多种不同的统计纹理特征。从这一观 点出发，纹理特征计算应该采用统计方法。 从图像结构观点出发，则认为纹理是结构， 根据这一观点，纹理特征计算应该采用句法 结构方法。
10
10.2.1 自相关函数描述 （Autocorrelation Function）
设图像为f(m，n)，自相关函数可以定义为
jw kw
f (m, n) f (m , n )
C( ,,
j, k )
m jw
nkw jw
kw
[ f (m, n)]2
m jw nkw
（10.7）
它是对（2w+1）（2w+1）窗口内的每一点像素（j， k）与偏离值为，=0，1，2，…，T的像素之间 的相关值作计算。一般粗纹理区对给定偏离（，）
2
10.1 颜色描述 （Color Descriptors）
颜色特征是图像的基本特征之一。颜色特征是 图像检索识别中应用最为广泛的视觉特征，与其他 视觉特征相比，它对图像的尺寸、方向、视角的依 赖性较弱，因此具有较高的稳定性。这一节主要讨 论反映图像灰度的统计特征。
3
10.1.1 简单灰度特征 （Intensity Feature）
12
10.2.2 灰度差分统计 （Statistics of Intensity Difference）
对于给定的图像f（i，j）和取定的较小的整 数m、n，求差分图像
g(i,j)=f(i,j)-f(i+m,j+n)
(10.9)
然后求出差分图像的已归一化的灰度直方图 hg（k），当取较小差值k的频率hg（k）较大时， 说明纹理较粗糙，直方图较平坦时，说明纹理较 细致。
纹理的标志有三要素： 一是某种局部的序列性，在该序列更大的区域 内不断重复； 二是序列是由基本部分非随机排列组成的； 三是各部分大致都是均匀的统一体，纹理区域 内任何地方都有大致相同的尺寸结构。
8
10.2 纹理描述 （Texture Descriptors）
纹理图像在很大范围内没有重大细节变化， 在这些区域内图像往往显示出重复性结构。纹理可 分为人工纹理和天然纹理。人工纹理是由自然背景 上的符号排列组成，这些符号可以是线条、点、字 母、数字等。自然纹理是具有重复排列现象的自然 景象，如砖墙、种子、森林、草地之类的照片。人 工纹理往往是有规则的，而自然纹理往往是无规则 的。
（1）平均值
L1
f khk k 0
（2）方差
L 1
2 f
(k f )2 hk
k 0
（3）能量
L1
f N (hk )2 k 0
（4）熵
L 1
f E hk log 2 hk k 0 6
（10.3） （10.4） （10.5）
ຫໍສະໝຸດ Baidu（10.6）
10.2 纹理描述 （Texture Descriptors）
纹理是图像描述的重要内容，但对纹理 很难下一个确切的定义。类似于布纹、草地、 砖砌地面等重复性结构称为纹理。一般来说， 纹理是对图像的像素灰度级在空间上的分布模 式的描述，反映物品的质地，如粗糙度、光滑 性、颗粒度、随机性和规范性等。
7
10.2 纹理描述 （Texture Descriptors）
13
10.2.2 灰度差分统计 （Statistics of Intensity Difference）
（1）平均值
1
A1 m i ihg (i) （2）能量（对比度）
（10.10）
A2 [hg (i)]2
i
（3）熵
（10.11）
A3 hg (i) lg hg (i)
i
（10.12）